视觉语言模型拒答框架Dr. No提出
Start here
2026年11月4日，arXiv机器学习领域公布一项关于视觉语言模型弃权行为的研究，提出了新框架Dr. No。该方法通过在prefill阶段调节稀疏自编码器（SAE）特征，无需重新训练即可引导视觉语言模型合理弃权。在LLaVA-1.6 Mistral 7B与Qwen3.5-2B的评测中，Dr. No在UNK-VQA和MM-UPD基准上的表现优于事后拒绝基线。测试同时显示，该方法的增益在图文不兼容及数学推理任务中较为显著，但在多跳问答任务MuSiQue上的表现相对受限。
AI-generated from reports · Updated 16 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 机器学习Dr. No：视觉语言模型弃权行为的特征导向方法
研究提出 Dr. No，通过在 prefill 阶段调节稀疏自编码器（SAE）特征，无需重训即可引导视觉语言模型合理弃权。在 LLaVA-1.6 Mistral 7B 与 Qwen3.5-2B 测试中，该方法在 UNK-VQA 和 MM-UPD 上优于事后拒绝基线。其增益在图文不兼容及数学推理中显著，但在多跳问答 MuSiQue 上表现较为受限。
Story heat trend
Current heat 6·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.